买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉大连理工大学申请的专利一种时变大载荷下压电作动器动态复合迟滞的建模及补偿方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119511731B 。

龙图腾网通过国家知识产权局官网在2025-06-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411668321.9，技术领域涉及：G05B13/04；该发明授权一种时变大载荷下压电作动器动态复合迟滞的建模及补偿方法是由周孟德;任宇航;刘巍;朱彬恺;吴薇;程习康;贾振元;崔晓春设计研发完成，并于2024-11-21向国家知识产权局提交的专利申请。

本一种时变大载荷下压电作动器动态复合迟滞的建模及补偿方法在说明书摘要公布了：本发明属于压电作动器特性测量领域，一种时变大载荷下压电作动器动态复合迟滞的建模及补偿方法。搭建压电作动器的动态迟滞特性测试系统来采集负载和位移信号。基于改进的非对称斜率Prandtl‑Ishlinskii算法对迟滞环的非对称性和零点漂移特性建模，拟合力‑位和电‑位的静态迟滞环，并叠加成静态复合迟滞模型；针对驱动器的宽频域激振需求，建立动态复合迟滞模型，基于LSTM算法设计ASPI参数控制器以动态调控模型的斜率和阈值；设计参数控制器容错机制，以约束突变扰动与控制过调造成的模型失稳，确保高精度的实时迟滞预测；通过求解动态复合迟滞模型的逆模型，输入期望位移，实现实时控制电压的计算和动态迟滞的补偿。

本发明授权一种时变大载荷下压电作动器动态复合迟滞的建模及补偿方法在权利要求书中公布了：1.一种时变大载荷下压电作动器动态复合迟滞的建模及补偿方法，其特征在于，步骤如下： 第一步：力-电-位动态迟滞特性测试系统搭建及数据采集； 搭建压电陶瓷力-电-位动态迟滞特性测试系统：柔性套筒11嵌入至施压滑块6的圆孔中，导轨2穿过柔性套筒11；施压滑块6固定至装置主体3上，通过螺栓固紧；力传感器10和预紧压板1分别固定至装置主体3两端的安装槽内，测力头9拧紧在力传感器10上；施力驱动器4和前置垫片5贴合，待测作动器7和后置垫片8贴合，施力驱动器4两端的前置垫片5与预紧压板1、施压滑块6的球弧面贴紧，待测作动器7两端的后置垫片8同测力头9、施压滑块6的球弧面贴紧，通过螺栓预紧压板1，从而对施力驱动器4、待测作动器7施加预紧力，消除装置间隙，至此完成压电陶瓷力-电-位动态迟滞特性测试系统运动结构的搭建； 施力驱动器4、待测作动器7的电源线接入功率放大器15，应变线与力信号线接入数据采集模块12，数据采集模块12同实时控制器14连接，实时控制器14分别与功率放大器15与PC上位机13连接，至此完成压电陶瓷力-电-位动态迟滞特性测试系统的搭建；PC上位机13负责显示数据，传输指令，实时控制器14接受指令，生成驱动信号，通过功率放大器15输出驱动电压，加载至施力驱动器4与待测作动器7上，施力驱动器4输出位移带动施压滑块6对待测作动器7产生时变负载，待测作动器7抵抗负载输出位移做功，由内埋在待测作动器7中的应变片监测其伸缩位移，待测作动器7所受负载由后置垫片8、测力头9传导至力传感器10，力传感器10捕获负载信号，同应变信号一起传输至数据采集模块12，并经由实时控制器14存储、运算，传输至PC上位机13显示； 设计特性测试试验，设计定幅定频信号、定频衰减波信号作为驱动信号，分别控制施力驱动器4、待测作动器7产生定频衰减定幅定频的力与位移，驱动信号的函数由下式1定义： 其中，U为驱动量，A为驱动幅值，f为驱动频率，k为线性衰减斜率； 采集待测作动器7的输入电压、输出位移与输出力数据，形成待测作动器7各类迟滞环，分别为定频衰减信号、定幅定频信号； 第二步：建立基于非对称play算子的复合静态迟滞建模方法； 提出一种非对称play算子，函数结构如下式： 其中：ut为t时刻的算子输入，Hr,a,b[u]t为非对称play算子输出，r为算子的阈值，a、b分别为上、下沿的非对称修正系数，T为采样间隔； 上、下沿的非对称修正系数a、b可控制算子在升程与回程时的斜率，从而增强在定义域中不同分段的拟合适应性；算子阈值向量r＝r1,…,rnT为一组由算子数决定的等差数列： 其中ri表示第i个算子，n为非对称play算子个数，umaxt为最大输入电压； 将不同阈值的多个非对称play算子的加权叠加得到ASPI算法，实现对压电作动器迟滞特性的表征；式4为ASPI算法的函数形式： 其中，权重系数为w； 基于ASPI算法，分别拟合电压-位移迟滞环、负载-位移迟滞环，形成静态压电迟滞模型与静态机械滞弹模型；将静态压电迟滞模型与静态机械滞弹模的输出叠加、修正，即形成负载、电压量双输入的静态复合迟滞模型ystatict，其形式如式5所示： ystatic＝yp[u]t+ym[F]t+p1u+p2F+p35 其中，yp[u]t、ym[F]t分别为静态压电迟滞模型与静态机械滞弹模型的输出，u、F为输入电压与负载，p1、p2、p3为常量； 第三步：建立迟滞模型参数控制器，形成基于LSTM-ASPI算法的压电作动器动态复合迟滞模型； 提出一种LSTM调节的非对称斜率Prandtl-Ishlinskii算法；在静态复合迟滞模型的基础上设计迟滞模型参数控制器，通过LSTM时间序列神经网络构建迟滞模型参数向量与力、位时域信号的映射关系，其依据作动器的动态时域信号调节迟滞模型的参数向量，将其代入至ASPI算法中，即算得作动器的动态复合迟滞位移，其形式如式6所示： 其中，为LSTM神经网络输出，其维度同静态复合迟滞模型的参数维度相同；[St-1,...,St-m]T、[Ft-1,...,Ft-m]T分别为位移、负载的时变信号，m为时间序列长度；G·表示LSTM神经网络的网络函数框架； 建立参数控制器容错机制，首先设置监测窗口，通过监测窗口内负载、位移信号，通过计算突变度q识别强扰动，其公式如下： 其中，m为时间序列长度，Sm×1为监测窗口内位移信号，diffSm×1为其差分向量；当窗口内计算得到的突变度q＝1时，判断扰动过大，当前参数控制器的参数目标控制量维持上一步不变；即如式8所示： 其中，为模型参数目标控制量； 引入参数渐近环节，设置参数修正增益ρ，ASPI算法的参数在每一预测时步中以如式9所示迭代更新，渐近至模型参数目标控制量： 其中，[at,bt,wt]T为t时刻ASPI算法参数，[Δa,Δb,Δw]T为每一预测时步下ASPI算法参数的增量，且小于上限ξ，确保参数调控过程的稳定性； 将LSTM神经网络输出的参数控制量，代入至静态复合迟滞模型，将其命名为LSTM-ASPI算法，即实现ASPI算法参数在负载、位移量动态变化下的自适应调节，形成压电作动器的动态复合迟滞模型，具体如式10所示： 其中，ydynamic为动态复合迟滞模型输出，Hr,a,b[u]t,Hr,a,b[F]t分别为以电压时域信号、位移时域信号为输入的非对称斜率play算子输出； 第四步：LSTM神经网络的参数辨识寻优； 为实现LSTM神经网络的参数寻优，将已有电压-负载-位移复合迟滞环作为训练数据集，采用Adam优化算法进行优化，确定LSTM的参数为kq×r，e×f为其维度；构建神经网络参数损失函数如式11所示： 其中，l为训练数据集时间步大小，yexp为采集所得施力驱动器4实时位移； 选择数值梯度法计算神经网络参数损失函数值对LSTM神经网络参数ke×f的梯度，依据梯度在e×f维实数空间寻优，完成LSTM神经网络的参数辨识； 第五步：补偿控制器的建立与控制； 首先调换前述训练数据集的电压与位移，形成位移-电压的补偿环，将位移信息作为输入，驱动电压作为输出，辨识ASPI算法参数，得到静态逆模型；基于LSTM神经网络设计静态逆模型的参数控制器，将力位数据作为参数控制器的输入，静态逆模型的参数向量[cdv]T作为输出，动态调节静态逆模型的参数向量，从而形成动态迟滞逆模型； 基于动态迟滞逆模型设计补偿控制器，通过负载反馈FExp求解静态复合迟滞模型中动态力-位迟滞分量yF，将期望位移yTarget与其相减，得期望驱动量yp；通过动态迟滞逆模型，算得补偿电压udt，作用在待测作动器7上实现线性位移输出ydt；其中补偿控制器的函数形式如式12所示： 其中，H2[FExp]为静态复合迟滞模型中的动态力-位迟滞分量，H-1 r,c,d·为动态迟滞逆模型，vj表示第j个动态迟滞逆模型算子[vt,ct,dt]T为t时刻动态迟滞逆模型参数向量,[Δv,Δc,Δd]T每一预测时步下动态迟滞逆模型参数向量的增量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连理工大学，其通讯地址为：116000 辽宁省大连市甘井子区凌工路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。